ビジネスインテリジェンスの歴史を探る

公開: 2022-03-11

ビジネスインテリジェンスとは何ですか？

ビジネスインテリジェンス（BI）は、今日では本質的に情報技術に関連する用語であり、150年以上にわたって進化してきました。その起源はコンピューターの発明よりも前からありますが、BIの関連性が高まり、その後の開発がコンピューターやデータベースの進化と対になるようになったのは、コンピューターが普及してからでした。

ペンと紙を使ったBI

「ビジネスインテリジェンス」という用語の最初の使用は、1865年に最初に出版された彼の著書「商業およびビジネスの逸話のシクロパディア」のリチャードミラーデベンス氏に広く起因しています。彼の競争の前に積極的にそれを集めて行動することによって情報から。これは、ビジネス戦略を開発するために、本能よりもデータと経験的証拠を使用する方が信頼できるという事実を指摘しました。このアイデアは、情報に価値を見出した他の人々によってさらに強化されました。

1800年代の最後の10年間に、フレデリックテイラーは、米国で最初の正式なビジネス分析システムを導入しました。彼の科学的管理システムは、生産技術と労働者の体の動きを分析して、工業生産を後押しするより高い効率を見つける時間研究から始まりました。

テイラーは最終的にヘンリーフォードのコンサルタントになりました。ヘンリーフォードは1900年代初頭に、フォードモデルTの各コンポーネントが組み立てラインで完了するまでにかかった時間を測定し始めました。彼の仕事と成功は、世界中の製造業に革命をもたらしました。それでも、彼はまだそのためにペンと紙を使用していました。

ビジネスインテリジェンスはコンピューターから後押しを得る

電子計算機は1930年代には初期の段階でしたが、第二次世界大戦中に連合国がドイツのコードを解読する取り組みの一環として急速に開発されました。

1950年代まで、コンピューターはデータの保存に主にパンチカードまたはパンチテープに依存していました。これらは、コンピューターで処理される情報を格納する小さな穴のあるカードの巨大な山でした。しかし、1956年に、IBMは最初のハードディスクドライブを発明し、アクセスの柔軟性を高めて大量の情報を保存できるようにしました。

その後間もなく、1958年にIBMの研究者ハンスピータールーンはビジネスインテリジェンスシステムと呼ばれる歴史的な論文を発表しました。彼は、「関心プロファイル」に基づいて、ドキュメントを「アクションポイント」に「選択的に配布」するシステムの可能性について理論化しました。彼の仕事は、情報システムがユーザーの興味に基づいて学習および予測する能力として、今日でも最先端のいくつかのビジネスインテリジェンスのトレンドを予測して以来、今日でも驚くべき重要性を持っています。今日、私たちはそれを機械学習と呼んでいます。 Luhnは、ビジネスインテリジェンスの父として広く認識されています。

Luhnによって提案された概念は、いくつかの利害関係者の注目を集めましたが、そのアイデアは、当時、実用化するには高すぎると考えられていました。経済的に実行可能なソリューションにするためには、より多くの技術的進歩が必要でした。

次の10年で、各コンピューターが建物の床全体を占める巨大な機械であり、適切に機能するために数人の熟練したエンジニアによって管理されなければならなかったとしても、コンピューターの使用は爆発的に増加しました。専門家は再びコンピューターを使用してデータから結論を抽出するというアイデアに取り組みましたが、主な問題は、すべてのデータを1か所にまとめるために利用できる一元化された方法がなかったことです。データ自体は、洞察を生み出すことができませんでした。この課題を解決するために、最初のデータベース管理システムが設計されました。後で、それらは単にデータベースと呼ばれるようになります。この第1世代では、二分木の戦略を使用して、最初のデータベース検索が可能になりました。この戦略は、当時いくつかの問題を解決しましたが、今日では重すぎて非効率的であると考えられています。それでも、それを買う余裕のある企業にとって、この新しいツールはその価値を提供し、利用可能なデータから最終的に結論を出すために使用されました。

BIテクノロジーの向上：ビッグプレーヤーがフィールドに参入

1970年、IBMのEdgar Coddは、大規模な共有データバンク向けのデータのリレーショナルモデルと呼ばれる論文を発表しました。これにより、次世代のリレーショナルデータベースへの道が開かれ、データを保存および操作するためのはるかに幅広い容量が可能になりました。しかし、奇妙な動きとして、IBMは、現在のデータベースシステムの収益を維持するためにCoddの設計を実装することを控えました。 IBMが追随したのは、競合他社がそれらを実装し始めてからでした。

この時までに、最初のビジネスインテリジェンスプロバイダーが登場するのに十分な市場がありました。その中には、SAP、Siebel、およびJDEdwardsが含まれていました。当時、それらは意思決定支援システム（DSS）と呼ばれていました。

この時点での大きな問題は、これらのデータベースが「サイロ」の問題に悩まされていたことです。非常に一次元であるため、それらの使用の柔軟性は非常に制限されていました。あるデータベースが都市を「OH、NJ、NY」としてコーディングし、別のデータベースが「オハイオ、ニュージャージー、ニューヨーク」を使用するような単純な問題でさえ、相互参照を困難な作業にしました。

それでも、データの有益な使用の成功例はますます増えています。当時最も有名なものの1つはニールセンから来ました。視聴率の測定に使用されるニールセン視聴率と呼ばれるマーケティングツールは、テレビに接続されてどのチャンネルを記録したオーディメーターと呼ばれるデバイスを使用して、特定のテレビ番組をいつでも視聴している人の数を測定するために使用されました見られていた。

ニールセン視聴率は、テレビ業界で最も注目されている全国視聴率レポートと見なされていました。ただし、年に4回、「ブラックウィーク」、つまりニールセン視聴率が報告されていない週があります。これらの「黒い週」の評価を測定する自信のある方法がなかったので、テレビネットワークは彼らのスケジュールを再放送でいっぱいにしました。

業界と視聴者の両方がすでに「ブラックウィーク」に慣れていましたが、1973年9月に終了しました。ニールセンは、フロリダにある同社のビジネスインテリジェンスコンピュータに1,200世帯を直接接続するStorage Instantaneous Audimeter（SIA）を導入しました。わずか36時間で全国的な評価を得ることができ、会社の古いシステムにかかった1〜2週間よりもはるかに短い時間でした。全国的な評価は、毎日、一年中毎週利用できます。「ブラックウィーク」の必要はなくなり、データははるかに利用可能になりました。

70年代の終わり近くに、Larry Ellisonと2人の友人が、Oracleデータベースの最初の商用バージョンをリリースしました。これは、市場で最初の真のリレーショナルデータベース管理システムであり、これまで階層型データベースやネットワークデータベースで使用されていたアイデアを、より堅牢な構造に置き換え、より柔軟な検索を可能にしました。このテクノロジーは、今後数十年のBIの歴史とトレンドを左右します。

BIの成長の重要性：より多くの余地が必要です！

ストレージスペースの低価格とより優れたデータベースにより、次世代のビジネスインテリジェンスソリューションが可能になりました。 RalphKimballとBillInmonは、ビジネスのすべてのデータを同じ場所に置いて分析できるようにするという問題に対して、2つの異なるが類似した戦略を提案しました。これらはデータウェアハウス（DW）でした。 Inmonは、データウェアハウスの父として多くの人に認められています。

データウェアハウスは、他のデータソース（主に他のデータベース）からの大量のデータを集約するように設計されたデータベースであり、これらのさまざまなソースを相互参照する機能を備えた、より詳細な分析を可能にします。しかし、それでも技術的で高価でした。レポートは、高価なIT技術スタッフのホストによって実行および保守される必要がありました。

当時のトップマネジメントは、CrystalReportsやMicrostrategyなどのBIソリューションの成果によって生きていました。そしてもちろん、Microsoft Excel（1985年にリリース）もありました。ビジネスインテリジェンスは、意思決定プロセスに利用できるツールの不可欠な部分になりました。

1989年、GartnerGroupのHowardDresdnerは、「ビジネスインテリジェンス」という用語の普及に貢献し、「事実に基づくサポートシステムを使用してビジネスの意思決定を改善するための概念と方法」を総称として使用しました。

ビジネスインテリジェンス1.0

90年代には、より多くの競合他社が市場に参入し、より多くのITプロフェッショナルがテクノロジーに精通するにつれて、データウェアハウスのコストは減少しました。これは「ビジネスインテリジェンス1.0」の時代でした。

現在、データは、経営陣だけでなく、一般的に企業スタッフがアクセスできるようになっています。ただし、この時点での問題は、新しい質問をするのにまだ非常に費用がかかることでした。質問が「設計」されると、答えはすぐに利用可能になりますが、その質問に対してのみです。

この労力を軽減するために、さまざまなクエリのプロセスを高速化するためのいくつかの新しいツールと「ビルディングブロック」が開発されました。

ETL（抽出、変換、および読み込み）は、プログラミング言語に似た一連のツールであり、データウェアハウス内のデータフローの設計を容易にしました。
OLAP（オンライン分析処理）は、クエリされたデータのさまざまな視覚化オプションを作成するのに役立ち、アナリストが手元の情報からより良い結論を抽出できるようにしました。

今日でも、ETLツールとOLAPツールの両方がビジネスインテリジェンスソリューションの重要な部分です。

これは、エンタープライズリソースプランニング（ERP）システムが普及した時期でもありました。これらは、アプリケーションを統合してビジネスの側面を管理および自動化する巨大な管理ソフトウェアプラットフォームです。また、データウェアハウスに構造化データを提供し、その後数年で世界のすべての主要企業の中心となるでしょう。

1995年、マイクロソフトは最初の「ユーザーフレンドリー」な運用システムであるWindows 95をリリースし、コンピュータは一般的な家庭用品になりました。これは、人々が次の数十年間にデータを作成および消費する方法に大きな影響を与えるでしょう。

BIの混乱：新千年紀におけるデータの爆発的増加

2000年までに、ビジネスインテリジェンスソリューションは、すべての中規模から大規模のビジネスにとって「なくてはならない」ものとしてすでに確立されています。現在、競争力を維持するための要件と広く考えられています。

ソリューションプロバイダーの観点からは、IBM、Microsoft、SAP、Oracleなどのいくつかの大規模な競合他社の手に豊富なソリューションが融合し始めました。

この期間中にいくつかの新しい概念が出現しました。データウェアハウスを最新の状態に保つことが困難なため、一部の企業はアプローチを再考し、DWを「信頼できる唯一の情報源」に変えました。既存のデータの場合、他のプログラムは独自のデータを使用する代わりにDWから提供された情報を使用するため、データの非互換性に関するほとんどの問題が解消されます。言うのは簡単で、多くの技術的な課題がありました。ただし、この概念は非常に有用であったため、次の年には、市場で利用可能なソリューションがこの戦略の採用に適応するようになりました。

データがますます豊富になり、BIツールがその有用性を証明するにつれて、開発努力は、情報が利用可能になる速度を上げ、情報へのアクセスの複雑さを軽減することに向けられました。ツールが使いやすくなり、技術者以外の人も、技術サポートの助けを借りずに、自分でデータを収集して洞察を得ることができるようになりました。

2000年代初頭、ソーシャルネットワーキングプラットフォームのブームにより、一般の人々の意見がインターネットで自由に利用できるようになり、利害関係者はデータを収集（または「マイニング」）して分析することができました。 2005年までに、ビジネスの世界の相互接続性が高まることで、企業は、イベントからのデータをリアルタイムで発生したときにデータウェアハウスに組み込むことができるリアルタイムの情報を必要としていました。

今年はGoogleAnalyticsが導入された年であり、ユーザーが自分のWebサイトデータを分析するための無料の方法を提供します。これは、ビッグデータという用語が最初に使用された年でもあります。 O'ReillyMediaのRogerMagoulasは、「従来のビジネスインテリジェンスツールを使用して管理および処理することはほとんど不可能な大量のデータセット」を指すために使用しました。

この指数関数的に増加するデータ量を管理するために必要な追加のストレージスペースとコンピューティング能力に対処するために、企業は他のソリューションを探し始めました。より大きく、より高速なコンピューターを構築することは問題外だったので、一度に複数のマシンを使用することがより良い選択肢になりました。これがクラウドコンピューティングの種でした。

BIの現在の使用

過去10年間で、ビッグデータ、クラウドコンピューティング、およびデータサイエンスは、ほとんどの人に知られるようになりました。現時点では、ここ数年でどの新しい進歩が最も影響を与えたかを認識するのは困難です。ただし、最新の分析ツールの能力が高まっていることを示す興味深い事例がいくつかあります。

広告、Cookie、およびAdTech

2012年、ニューヨークタイムズは、ターゲットが両親の前で高校の10代の若者の妊娠を誤って発見した方法を説明する記事を公開しました。分析を通じて、一緒に購入したときに女性が妊娠している可能性が高いことを示す25の製品を特定しました。この情報の価値は、ターゲットが女性の買い物習慣が変わる可能性がある時期に妊婦にクーポンを送信できることでした。

激怒した父親がミネアポリス郊外のターゲットに足を踏み入れ、マネージャーに会うように要求した。彼は娘がまだ高校生だったのに、赤ちゃんの服のクーポンを受け取っていると不平を言った。マネージャーは会社の名前で深く謝罪しましたが、数日後、父親は謝罪するために電話をかけました。 彼女は8月に予定されています。 私はあなたに謝罪しなければならない。"

この逸話的な例は、データ分析の現代的な力を示しています。

政治

オバマ再選キャンペーン戦略は、分析に大きく基づいて構築されました。多くの専門家は、それが成功した主な理由の1つとしてそれを指摘しています。キャンペーンマネージャーのジムメッシーナによって設計された戦略は、有権者に関するデータを収集し、それを使用して、1）投票に登録し、2）オバマに投票するように説得し、3）選挙日に投票するように表示することに重点を置いていました。 HP Verticaで実行され、RとStataでコーディングされた環境を使用して、約100人のデータアナリストがこの取り組みに参加しました。

これらの目標を達成するためにいくつかのイニシアチブが適用されましたが、そのうちの1つはAirwolfでした。フィールドチームとデジタルチームの取り組みを統合するように構築されており、訪問販売キャンペーンでフィールドチームから投票者に連絡があった場合、投票者の関心が記録され、特別に調整された地元の主催者から頻繁にメールが届くようになりました。それぞれのお気に入りのキャンペーンの問題に。

適切なツールとデータがあれば、データの出所に関係なく、アナリストはほぼすべての質問にすばやく簡単に答えることができます。オバマキャンペーンの成功により、それ以来、ビッグデータ分析環境はすべてのキャンペーンの標準要件になりました。

化学

ヒトゲノムプロジェクトは2003年に完了しましたが、多くの質問に答えられませんでした。ヒトDNAを構成するヌクレオチド塩基対のシーケンス全体をマッピングしているにもかかわらず、ヒト遺伝学がどのように機能するかを真に理解するには、より徹底的な研究が必要でした。これはビッグデータの完璧なアプリケーションでした。典型的なヒトゲノムには20,000を超える遺伝子が含まれており、それぞれが数百万の塩基対で構成されています。ゲノムをマッピングするだけで100ギガバイトのデータが必要になり、複数のゲノムのシーケンスと遺伝子相互作用の追跡により、その数は何倍にもなり、場合によっては数百ペタバイトになります。

2016年に発表された研究に分析を適用することにより、ハイファ大学の科学者は、遺伝子のいわゆる「社会的性格」を観察することができました。科学者が長い間理解したかったのは、複雑な病気の発生に関与する複雑な遺伝的影響の内部の働きです。特定の疾患の遺伝子発現は通常、互いに相互作用するいくつかの遺伝子マーカーの組み合わせから生じるため、この目標は特に困難でした。したがって、研究者は遺伝子配列全体をくまなく調べる必要があるだけでなく、複数の異なる遺伝子間の相互作用を追跡する必要もあります。

分析すべきデータはまだたくさんありますが、大小を問わず、膨大な数の遺伝的欠陥を理解して治療する道が開かれています。

前方の道路

Facebookが写真であなたの顔を認識できるようになりました。Googleはどの種類の広告があなたのプロフィールに最も適しているかを予測でき、Netflixはどの番組を視聴するかについての提案を提供できます。電話回線の向こう側の人だけでなく、自分の電話と話すことができる時間です。膨大な量のデータを処理および処理できることは、これらの驚異がどのように実現したかを理解するための基本的なステップでした。

ビッグデータは依然として成長傾向にあります。利用可能なデータの約90％は、過去2年間に作成されています。 2010年のTechonomy会議で、Eric Schmidtは、「文明の黎明期から2003年までの間に全世界で5エクサバイトの情報が作成されました。現在、同じ量が2日ごとに作成されています」と述べています。

このような膨大な量のデータを処理するには、依然として多くの課題があります。ビジネスインテリジェンスの最初で最も古い頭痛の種の1つであるデータ品質は、依然として要求の厳しい分野です。分析、企業が収集しているデータの山を理解するのに必要なスキルセットも高い需要があります。現在、分析には多くの種類があります。記述分析、予測分析、処方分析、ストリーミング分析、自動分析などです。分析では、いくつかの最先端テクノロジーを使用して、人工知能、機械学習、多くの統計などのデータから洞察を抽出します。モデル。いよいよ数学者になるのがクールな時です。

BIツールは現在、ヘルスケア、法執行機関など、特定の業界を念頭に置いて設計されています。複数のデバイスで機能し、複数の視覚化ツールを使用して、インタラクティブなビジュアルインターフェイスを介して誰でもデータに推論を適用できるようになりました。モバイルBIが現実のものになりました。

ビッグデータ、機械学習、分析の長所を組み合わせることで、将来、あなたの生活は大きく変わる可能性があります。おそらく、もう食料品店に行く必要はないかもしれません。冷蔵庫は、あなたの食生活に基づいて、最も必要と思われるものを注文します。あなたが最初の症状を感じ始める前でさえ彼らがあなたを呼ぶので、あなたはあなたが病気であると言うためにあなたの医者を呼ぶことはありません。

人類は今や情報化時代に生きており、ビジネスインテリジェンスは私たちの時代の重要な特徴であり、私たちがそのすべてを理解するのに役立っています。ビジネス分析は現在、多くの大学で学位プログラムになっています。ビジネスインテリジェンスの歴史はかなり最近のものですが、日ごとに加速し、密度が高くなっています。 BIの最高の日はまだ私たちの前にあります。